Wan v2.6 Image to Image

Wan v2.6 Image to Image je model za uređivanje i kompoziciju slika koji vam omogućava da kombinujete i transformišete do tri referentne slike koristeći samo pisani opis. Umesto generisanja slika od nule, radi sa vizuelima koje već imate — likom, objektom, lokacijom, teksturom ili stilom — i spaja ih u jednu novu sliku koja prati vaše uputstva. Ako možete da ukažete na elemente preko nekoliko fotografija i opišete kako treba da se spoje, ovaj model pretvara tu ideju u gotov kadar.

Glavna karakteristika je njegov sistem višestrukog referenciranja slika. Dostavite između jedne i tri referentne slike, a u tekstualnom promptu ih direktno označite kao 'image 1', 'image 2' i 'image 3'. Redosled je važan, pa uvek znate iz koje slike model vuče elemente. Ovo olakšava opisivanje složenih kompozicija: možete staviti lik iz jedne slike u okruženje iz druge dok drži objekat iz treće. Primer uputstva glasi: 'Postavite čarobnjaka iz image 2 u drevnu biblioteku iz image 3, kako drži i proučava magičnu kristalnu kuglu iz image 1', uz smernice o ljubičasto-plavom osvetljenju na licu, lebdećim svećama, drevnim knjigama u pozadini i visoko detaljnom fantastičnom umetničkom stilu. Model sve to čita i sastavlja koherentnu scenu.

Pošto prompt obavlja veliki deo kreativnog posla, model nagrađuje opisno pisanje. Možete specificirati osvetljenje, raspoloženje, umetnički stil, kompoziciju i sitne detalje, a model će ih poštovati. Promptovi mogu imati do 2,000 karaktera, dajući vam dovoljno prostora za preciznost, a podržani su engleski i kineski jezik. Za kreatore koji više vole kratke promptove, postoji ugrađena funkcija optimizacije prompta koja automatski proširuje i usavršava jednostavne uputstva pre generisanja. Dodaje nekoliko sekundi procesiranja, ali značajno poboljšava rezultate kada unesete kratku ideju umesto potpuno detaljnog pasusa. Možete je ostaviti uključenom za udobnost ili isključiti kada želite da se poštuje vaš tačan tekst.

Ko se koristi? Koncept umetnici i ilustratori mogu brzo testirati kako lik izgleda u različitim okruženjima ili sa rekvizitima. Dizajneri mogu kompozitivati proizvode, mood board-ove i studije stilova bez ručnog maskiranja i slojevenja. Filmski stvaraoci i storyboard umetnici mogu pre-visualizovati scene postavljanjem glumaca, setova i objekata u jedan kadar. Marketeri i socijalni kreatori mogu remiksovati postojeću brendiranu slikovnost u sveže vizuele. Svi koji trenutno troše sate u slojevenim editorima iseći elemente i mešati ih mogu isti rezultat opisati u jednoj rečenici.

Referentne slike koje učitate treba da budu u formatu JPEG, JPG, PNG (bez prozirnosti), BMP ili WEBP, svaka između 384 i 5,000 piksela na bilo kojoj strani i ne veća od 10MB. Izlazne slike se isporučuju u PNG formatu. Kontrolišete oblik i veličinu rezultata preko unapred podešenih odnosa stranica — kvadrat, portret 4:3, portret 16:9, pejzaž 4:3, pejzaž 16:9 i opcija kvadratnog visoke rezolucije — ili možete zatražiti tačne prilagođene dimenzije. Ukupna rezolucija izlaza je u definisanom opsegu tako da slike ostanu oštre bez da postanu neupravljive, otprilike između 768×768 i 1280×1280 piksela.

Osim kompozicije i veličine, imate nekoliko kreativnih kontrola. Negativni prompt vam omogućava da navedete stvari koje želite da isključite iz slike — uobičajeni primeri su niska rezolucija, deformisani oblici ili dodatni prsti — pomažući vam da izbegnete tipične greške generisanja. Možete generisati do četiri varijacije odjednom, što je korisno za brzo poređenje opcija i biranje najboljeg rezultata. Kontrola seed-a omogućava ponovljivost: ponovno korišćenje istog seed-a daje konzistentnije rezultate kroz pokretanja, pa kada naiđete na izgled koji vam se sviđa, možete na njemu iterirati bez ponovnog početka. Postoji i opcija ugrađene moderacije sadržaja koja proverava i ulaze i izlaze, uključena podrazumevano, da generacije ostanu prikladne.

Što se tiče stila, model je fleksibilan. Pošto direktno crpi iz vaših referentnih slika i pisanih uputstava, može biti fotorealistički, slikoviti, filmski ili potpuno ilustrativni u zavisnosti od toga šta mu date i što zatražite. Primeri slika prikazuju dramatičnu fantastičnu umetnost sa atmosferskim osvetljenjem, što ističe snagu modela u raspoloženju i detaljima kada ih jasno opišete. Možete pozajmiti stil iz jedne slike i pozadinu iz druge, mešajući vizuelne izvore u ujedinjen estetiku.

Nekoliko najboljih praksi proizilazi prirodno iz načina rada modela. Prvo, budite eksplicitni o tome koja referentna slika daje koji element — numerisani sistem referenci je dobar koliko je jasan vaš prompt. Drugo, opisujte osvetljenje, stil i kompoziciju umesto da pretpostavite da će model nagađati; bogatiji opis, bliži rezultat. Treće, ako radite sa kratkom idejom, ostavite optimizaciju prompta uključenom da popuni praznine, ali je isključite kada treba da se poštuje vaš precizan tekst. Četvrto, koristite negativni prompt da sprečite ponavljajuće artefakte. A kada pronađete rezultat koji volite, zabeležite njegov seed da biste na njemu gradili.

Što se tiče ograničenja: model zahteva najmanje jednu referentnu sliku i prihvata najviše tri, pa je namenjen uređivanju i kompoziciji umesto čistom text-to-image generisanju. Referentne slike moraju biti u podržanim formatima i granicama veličine, a PNG fajlovi sa prozirnošću nisu prihvaćeni. Rezolucija izlaza je ograničena na definisani opseg, pa je optimizovan za oštre, deljive slike umesto veoma velikih fajlova za štampu. U tim granicama, Wan v2.6 Image to Image je brz, kontrolisan način da pretvorite kolekciju referentnih slika i jasan opis u jednu, koherentnu novu sliku.